码迷,mamicode.com
首页 >  
搜索关键字:广义线性模型    ( 77个结果
斯坦福吴恩达教授机器学习公开课第四讲笔记——牛顿方法/广义线性模型
...
分类:其他好文   时间:2017-04-16 14:17:40    阅读次数:180
斯坦福公开课4:牛顿方法
本讲大纲: 1.牛顿方法(Newton’s method) 2.指数族(Exponential family) 3.广义线性模型(Generalized linear models) 本讲大纲: 1.牛顿方法(Newton’s method) 2.指数族(Exponential family) 3. ...
分类:其他好文   时间:2017-03-22 01:00:08    阅读次数:317
R语言之Logistic回归分析
一、probit回归模型在R中,可以使用glm函数(广义线性模型)实现,只需将选项binomial选项设为probit即可,并使用summary函数得到glm结果的细节,但是和lm不同,summary对于广义线性模型并不能给出决定系数,需要使用pscl包中的pR2函数得到伪决定系数,然后再使用sum ...
分类:编程语言   时间:2017-03-09 19:45:50    阅读次数:12260
R语言实战(八)广义线性模型
本文对应《R语言实战》第13章:广义线性模型 广义线性模型扩展了线性模型的框架,包含了非正态因变量的分析。 两种流行模型:Logistic回归(因变量为类别型)和泊松回归(因变量为计数型) glm()函数的参数 分布族 默认的连接函数 binomial (link = “logit”) gaussi ...
分类:编程语言   时间:2017-02-28 22:03:29    阅读次数:845
3分钟搞明白信用评分卡模型&模型验证
信用评分卡模型在国外是一种成熟的预测方法,尤其在信用风险评估以及金融风险控制领域更是得到了比较广泛的使用,其原理是将模型变量WOE编码方式离散化之后运用logistic回归模型进行的一种二分类变量的广义线性模型。 本文重点介绍模型变量WOE以及IV原理,为表述方便,本文将模型目标标量为1记为违约用户 ...
分类:其他好文   时间:2017-02-04 16:34:52    阅读次数:679
1.1.广义线性模型
本文是python机器学习库User Guide关于广义线性模型的翻译。 ...
分类:其他好文   时间:2016-12-03 23:27:14    阅读次数:381
指数分布族与广义线性模型
整理一下之前所学过的关于回归问题的思路: 问题引入:房屋估价,给定新的房屋信息,预测出相应的房屋价格; 学习过程:构建模型h(θ); 线性回归:最小二乘法、梯度下降法、线性模型的概率解释; 局部加权回归:带权重的线性回归、权值的钟形函数; 逻辑回归:分类方法、梯度上升法、牛顿法、引出感知机学习算法; ...
分类:其他好文   时间:2016-11-03 01:53:41    阅读次数:463
广义线性模型(Generalized Linear Models)
在线性回归问题中,我们假设,而在分类问题中,我们假设,它们都是广义线性模型的例子,而广义线性模型就是把自变量的线性预测函数当作因变量的估计值。很多模型都是基于广义线性模型的,例如,传统的线性回归模型,最大熵模型,Logistic回归,softmax回归。 指数分布族 在了解广义线性模型之前,先了解一 ...
分类:其他好文   时间:2016-08-14 07:38:51    阅读次数:196
第三章 广义线性模型(GLM)
广义线性模型 前面我们举了回归和分类得到例子。在回归的例子中,$y \mid x;\theta \sim N(u,\sigma ^{2})$,在分类例子中,$y\mid x;\theta \sim Bbernoulli(\phi)$ 广义线性模型是基于指数函数族的,指数函数族原型为: $p(y;\e ...
分类:其他好文   时间:2016-08-03 21:59:48    阅读次数:309
ch9-脑外伤急救后迟发性颅脑损伤影响因素分析案例-logistic回归
卡方检验-考察分类变量相关性-“交叉表”或“设定表”中进行; t检验-考察连续变量与分类变量相关性-“设定表”中进行; 线性logsitic回归-研究分类因变量与一组自变量(可连续可分类)的关系; 树结构模型-研究自变量间是否存在交互作用 广义线性模型-在更广范畴建立模型。 1、案例背景 收集脑外伤 ...
分类:其他好文   时间:2016-07-13 13:37:55    阅读次数:721
77条   上一页 1 2 3 4 5 6 ... 8 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!